Mạng nơ-ron và các tầng

Nhập môn Deep Learning với PyTorch

Jasmin Ludolf

Senior Data Science Content Developer, DataCamp

Các tầng của mạng nơ-ron

Sơ đồ mạng nơ-ron với đầu vào, tầng ẩn và đầu ra

Các tầng của mạng nơ-ron

Sơ đồ mạng nơ-ron với đầu vào, tầng ẩn và đầu ra

Các tầng của mạng nơ-ron

Sơ đồ mạng nơ-ron với đầu vào, tầng ẩn và đầu ra

Các tầng của mạng nơ-ron

Sơ đồ mạng nơ-ron với đầu vào, tầng ẩn và đầu ra

Mạng nơ-ron đầu tiên của chúng ta

Sơ đồ biểu diễn mạng nơ-ron cơ bản chỉ có đầu vào và đầu ra

Mạng kết nối đầy đủ
Tương đương mô hình tuyến tính

Thiết kế một mạng nơ-ron

Ba nút biểu diễn đầu vào cho một mạng nơ-ron

# Importing as nn to avoid writing torch.nn
import torch.nn as nn


# Create input_tensor with three features
input_tensor = torch.tensor(
    [[0.3471, 0.4547, -0.2356]])

Nơ-ron đầu vào = đặc trưng
Nơ-ron đầu ra = lớp

Thiết kế một mạng nơ-ron

Ba nút là đầu vào của mạng nơ-ron với mũi tên hướng tới tầng tuyến tính

# Importing as nn to avoid writing torch.nn
import torch.nn as nn


# Create input_tensor with three features
input_tensor = torch.tensor(
    [[0.3471, 0.4547, -0.2356]])


# Define our linear layer
linear_layer = nn.Linear(

                         in_features=3,

                         out_features=2

                         )

Thiết kế một mạng nơ-ron

Sơ đồ biểu diễn mạng nơ-ron cơ bản chỉ có đầu vào và đầu ra

# Importing as nn to avoid writing torch.nn
import torch.nn as nn


# Create input_tensor with three features
input_tensor = torch.tensor(
    [[0.3471, 0.4547, -0.2356]])


# Define our linear layer
linear_layer = nn.Linear(
                         in_features=3, 
                         out_features=2
                         )


# Pass input through linear layer
output = linear_layer(input_tensor)
print(output)

Thiết kế một mạng nơ-ron

Sơ đồ biểu diễn mạng nơ-ron cơ bản chỉ có đầu vào và đầu ra

$$ $$ $$

# Pass input through linear layer
output = linear_layer(input_tensor)
print(output)

tensor([[-0.2415, -0.1604]], 
    grad_fn=<AddmmBackward0>)

Trọng số và độ chệch

output = linear_layer(input_tensor)

Biểu diễn phép toán tuyến tính

Trọng số và độ chệch

.weight
```
print(linear_layer.weight)
```

Parameter containing:
tensor([[-0.4799,  0.4996,  0.1123],
        [-0.0365, -0.1855,  0.0432]], 
        requires_grad=True)

Phản ánh mức độ quan trọng của từng đặc trưng

.bias
```
print(linear_layer.bias)
```

Parameter containing:
tensor([0.0310, 0.1537], requires_grad=True)

Cung cấp đầu ra cơ sở cho nơ-ron

Mạng kết nối đầy đủ hoạt động

Sơ đồ biểu diễn mạng nơ-ron cơ bản chỉ có đầu vào và đầu ra

Mạng kết nối đầy đủ hoạt động

Sơ đồ biểu diễn mạng nơ-ron cơ bản chỉ có đầu vào và đầu ra

Mạng kết nối đầy đủ hoạt động

Sơ đồ biểu diễn mạng nơ-ron cơ bản chỉ có đầu vào và đầu ra

Đặc trưng độ ẩm sẽ có trọng số lớn hơn
Độ chệch để tính thông tin cơ sở

Ayo berlatih!

Nhập môn Deep Learning với PyTorch